Problème De Qualification
Le problème de qualification est une question centrale dans le domaine de l’intelligence artificielle en termes de représentation des connaissances et de raisonnement actionnel. Il s’agit de déterminer comment déterminer toutes les conditions ou facteurs nécessaires à l’exécution réussie d’une action ou d’un événement dans un environnement en évolution. Cette question implique d’identifier et de traiter divers obstacles qui peuvent empêcher l’obtention du résultat souhaité.
Il a été souligné pour la première fois par John McCarthy en 1977. Avec le problème du cadre et le problème de la ramification, il constitue les trois problèmes fondamentaux de la théorie de l'action formelle. Le problème du cadre vise à déterminer ce qui reste inchangé après qu'une action se soit produite, tandis que le problème de la ramification concerne les effets indirects qu'une action peut avoir.
Dans les applications pratiques, le problème de qualification se manifeste comme la question de savoir comment garantir qu'une action peut produire l'effet attendu dans une situation spécifique. Par exemple, le système d’IA d’une voiture autonome peut avoir appris les panneaux de signalisation et les feux de circulation dans son ensemble de données d’entraînement, mais s’il rencontre un contrôleur de la circulation tenant un drapeau de signalisation ou un policier en cas d’urgence, le système peut ne pas réagir correctement car ces situations n’ont pas été incluses dans ses données d’entraînement.
Une façon de résoudre le problème de qualification est d'utiliser une approche de programmation logique, comme dans le langage de programmation d'action Flux, où le problème de cadre de base est traité via une solution basée sur Fluent Calculus. Les systèmes de flux permettent de planifier sous l’hypothèse par défaut que les actions réussiront comme d’habitude et sont capables de raisonner sur ces hypothèses afin de se remettre d’échecs d’actions inattendus.
De plus, la solution du problème de qualification implique l'utilisation de méthodes de raisonnement non monotones qui permettent de prendre en compte des prérequis possibles mais non explicitement listés compte tenu des effets attendus d'une action. Cela peut être réalisé en permettant aux axiomes d’événements d’être réfutables, c’est-à-dire que si tous les antécédents déclaratifs de l’événement sont satisfaits, alors il peut être réfuté pour conclure que l’événement aura l’effet prédit.